Implementierung von Landnutzungsänderungsdaten in ein Ensemble von regionalen Klimamodellen

Peter Hoffmann, Diana Rechid, Vanessa Reinhart,Christina Asmus,Jürgen Böhner, Marcus Breil, Rita M. Cardoso,Edouard L. Davin,Eleni Katragkou,Daniela C.A. Lima,Giannis Sofiadis, Susanna Strada,Merja H. Tölle

semanticscholar(2021)

引用 0|浏览8
暂无评分
摘要

Landnutzungs- und Landoberflächenänderungen (LULCC) sind ein wichtiger Antrieb für regionale Klimavariabilität und Klimaänderungen. Bisher wurden LULCC in langjährigen Klimaänderungsprojektionen mit regionalen Klimamodellen (RCMs) nicht standardmäßig berücksichtig. Aus diesem Grund werden im Rahmen der WCRP CORDEX Flagship Pilot Study LUCAS (FPS LUCAS) koordinierte Downscaling-Experimente mit einem Ensemble von RCMs durchgeführt, die Landnutzungsänderungen berücksichtigen. Dafür wurde ein neuer hochaufgelöster LULCC-Datensatz für Europa von 1950-2100 erstellt (LUCAS LUC), der die spezifischen Datenanforderungen von RCMs erfüllt und zum Downscaling von CMIP6-Projektionen dienen soll. Für RCMs wurden bisher noch keine Standards für die Implementierung von jährlichen LULCC-Daten definiert, so dass die LULCC-Abbildung modellspezifisch unterschiedlich ist. Hierbei insbesondere zu nennen sind die unterschiedlichen Landnutzungs- und Landoberflächenklassifikationen der einzelnen Modelle, die eine Konvertierung der LUCAS LUC Daten in Antriebsdaten für RCMs erschweren.

Um diese Probleme zu erkennen und mögliche Unsicherheiten bei der Implementierung zu quantifizieren, wurden in der FPS LUCAS zunächst Testsimulationen für die EURO-CORDEX Domain über 2 bis 3 Jahre mit einem Ensemble von RCMs durchgeführt. Als LULCC-Antrieb für diese Simulationen werden LUCAS LUC Daten von zwei unterschiedlichen Epochen verwendet. Der Fokus der Präsentation liegt auf der Analyse der Verteilung einzelner Landnutzungs- und Landoberflächenkategorien und auf dem Einfluss der LULCC-Daten auf biogeophysikalische Größen und bodennahe atmosphärische Variablen. Darauf basierend werden Empfehlungen für die Verwendung von LUCAS LUC Daten in RCM-Experimenten gegeben.

更多
查看译文
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要